龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：淮阴工学院
摘要：本发明公开了一种基于模型融合的锂电池荷电状态预测方法及装置，获取锂电池数据集，并进行处理与数据划分；建立锂电池二阶Thevenin等效电路模型，对能量谷优化算法EVO进行改进；将等效电路数学形式与改进的能量谷优化算法IEVO结合，计算各待求参数，完成等效电路模型的参数辨识，得到完整的锂电池二阶Thevenin等效电路模型；利用安时积分法计算得到锂电池的预测数据；将预处理过的稳定的锂电池数据集输入到深度学习模型中进行训练，而得到对应的锂电池预测数据；将得到的两种模型的锂电池SOC输出数据，通过熵权法方法进行数据融合，得到融合后最终的锂电池SOC状态。本发明相较于现有的锂电池荷电状态预测具有更高的准确性和稳定性，实现更精准的锂电池荷电状态预测。
主权项：1.一种基于模型融合的锂电池荷电状态预测方法，其特征在于，包括以下步骤：1采集锂离子电池的电池初始数据，获取二阶Thevenin等效电路模型所需的训练集，并对其进行预处理：2建立锂电池二阶Thevenin等效电路模型，并将等效电路模型方程变换为包含锂电池的端电压、开路电压、电容和待求参数的可供计算机辨识的数学形式；3基于改进的能量谷优化算法IEVO对二阶Thevenin等效电路模型进行参数辨识，得到优化后的锂电池二阶Thevenin等效电路模型，利用安时积分法计算得到锂电池的SOC预测数据；所述改进的能量谷优化算法IEVO为采用多内核学习方法对迭代过程中种群的位置进行局部多元搜索；采用混沌局部搜索策略，通过搜索每一个解决方案的附近区域，找到更优解；4将预处理过的锂电池数据集输入到随机初始化参数后的CrossFormer深度学习模型中进行训练，得到训练完成的深度学习模型，从而得到锂电池SOC预测数据；5将步骤3和步骤4得到的两种模型的SOC预测数据，通过熵权法进行数据融合，得到最终的锂电池荷电状态。
全文数据：
权利要求：
百度查询： 淮阴工学院 一种基于模型融合的锂电池荷电状态预测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号